CN112825071B - 学习路径规划方法、装置、设备及存储介质 - Google Patents

学习路径规划方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN112825071B
CN112825071B CN201911149948.2A CN201911149948A CN112825071B CN 112825071 B CN112825071 B CN 112825071B CN 201911149948 A CN201911149948 A CN 201911149948A CN 112825071 B CN112825071 B CN 112825071B
Authority
CN
China
Prior art keywords
learning
path planning
knowledge point
path
degree
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911149948.2A
Other languages
English (en)
Other versions
CN112825071A (zh
Inventor
何明
李晓男
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Yidu Huida Education Technology Co ltd
Original Assignee
Beijing Yidu Huida Education Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Yidu Huida Education Technology Co ltd filed Critical Beijing Yidu Huida Education Technology Co ltd
Priority to CN201911149948.2A priority Critical patent/CN112825071B/zh
Publication of CN112825071A publication Critical patent/CN112825071A/zh
Application granted granted Critical
Publication of CN112825071B publication Critical patent/CN112825071B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Educational Technology (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Electrically Operated Instructional Devices (AREA)

Abstract

本发明实施例提供了一种学习路径规划方法、装置、设备及存储介质，方法包括：获取待路径规划学生的待路径规划的知识点集、所述待路径规划学生的学习行为数据和所述待路径规划学生的在所述知识点集的各个知识点的当前学习掌握程度；至少根据所述学习行为数据和所述当前学习掌握程度，获取所述待路径规划学生在各个所述知识点的掌握程度变化量；按照所述掌握程度变化量的大小，对各个所述知识点进行排序，得到学习各个所述知识点的规划路径。本发明实施例所提供的学习路径规划方法、装置、设备及存储介质，可以提高学习路径规划的准确性，并保证学习结果的有效性。

Description

学习路径规划方法、装置、设备及存储介质
技术领域
本发明实施例涉及计算机领域，尤其涉及一种学习路径规划方法、装置、设备及存储介质。
背景技术
学习路径规划是自适应学习系统中的重要组成部分，以为学生规划出合理的学习路径。
现阶段的学习路径规划方法，根据学生的当前知识点的掌握程度获取下一个待学习的知识点，而得到的学习路径难以使学生达到较好的学习效果，因此学习路径规划的准确性较低。
因此，如何提高学习路径规划的准确性，成为亟需解决的技术问题。
发明内容
本发明实施例解决的技术问题是提供一种学习路径规划方法、装置、设备及存储介质，以提高学习路径规划的准确性。
为解决上述问题，本发明实施例提供一种学习路径规划方法，包括：
获取待路径规划学生的待路径规划的知识点集、所述待路径规划学生的学习行为数据和所述待路径规划学生的在所述知识点集的各个知识点的当前学习掌握程度；
至少根据所述学习行为数据和所述当前学习掌握程度，获取所述待路径规划学生在各个所述知识点的掌握程度变化量；
按照所述掌握程度变化量的大小，对各个所述知识点进行排序，得到学习各个所述知识点的规划路径。
为解决上述问题，本发明实施例还提供一种学习路径规划装置，包括：
学习数据获取单元，适于获取待路径规划学生的待路径规划的知识点集、所述待路径规划学生的学习行为数据和在所述知识点集的各个知识点的当前学习掌握程度；
掌握程度变化量获取单元，适于至少根据所述学习行为数据和所述当前学习掌握程度，获取所述待路径规划学生在各个所述知识点的掌握程度变化量；
规划路径获取单元，适于按照所述掌握程度变化量的大小，对各个所述知识点进行排序，得到学习各个所述知识点的规划路径。
为解决上述问题，本发明实施例还提供一种存储介质，所述存储介质存储有适于学习路径规划的程序，以实现如前述的学习路径规划方法。
为解决上述问题，本发明实施例还提供一种设备，包括至少一个存储器和至少一个处理器；所述存储器存储有程序，所述处理器调用所述程序，以执行如前述的学习路径规划方法。
与现有技术相比，本发明的技术方案具有以下优点：
本发明实施例所提供的学习路径规划方法，首先获取待路径规划学生的学习行为数据和当前学习掌握程度，获取所述待路径规划学生在各个所述知识点的掌握程度变化量；最后按照所述掌握程度变化量的大小，对各个所述知识点进行排序，得到学习各个所述知识点的规划路径。可以看出，本发明实施例所提供的学习路径规划方法，在进行学习路径的规划时，基于待路径规划学生的学习行为数据和当前学习掌握程度，获取知识点集内的各个知识点的掌握程度变化量，进而根据掌握程度变化量，确定知识点的规划路径，利用了掌握程度变化量越大，则学习后提高越快的信息，从预估学习结果的角度，进行路径的规划，使得规划后的学习路径能够使待路径规划学生的学习以最有效的速度提高，也使得路径规划的学习结果更有效，而非仅仅基于当前的学习行为数据和当前学习掌握程度得出可以学习的知识点，并且可以在基于学习行为数据和当前学习掌握程度得到可以学习多个知识点的情况下，更合理地确定知识点的学习路径；同时，在进行路径规划时，通过对知识点集内的多个知识点的掌握程度变化量的比较进行确定，利用对比信息，从而可以提高规划结果的准确性。
可选方案中，本发明实施例所提供的学习路径规划方法，在得到学习各个所述知识点的规划路径之后，还包括，当待路径规划学生完成知识点集中一个知识点的学习时，再次获取待路径规划学生的学习行为数据和当前学习掌握程度等学习数据，再次进行学习路径的规划。这样，本发明实施例所提供的学习路径规划方法，可以在待路径规划学生每学完一个知识点时，及时根据一个知识点学完后的新的学习数据，动态重新获取新的学习路径，使得在进行知识点集的各个知识点学习时，都能够达到最大的效果，进一步提高路径规划的及时性和准确性。
附图说明
图1是本发明实施例所提供的学习路径规划方法的一流程示意图；
图2为本发明实施例所提供的学习路径规划方法的训练后的学习路径规划模型的获取流程示意图；
图3是本发明实施例所提供的学习路径规划装置的一框图；
图4是本发明实施例提供的一种可选硬件设备架构。
具体实施方式
现有技术中，在进行学习路径规划时，规划的学习路径准确性较低。
为了提高规划的学习路径准确性，本发明实施例提供了一种学习路径规划方法、装置、设备及存储介质，本发明实施例所提供的一种学习路径规划方法，包括：
获取待路径规划学生的待路径规划的知识点集、所述待路径规划学生的学习行为数据和所述待路径规划学生的在所述知识点集的各个知识点的当前学习掌握程度；
至少根据所述学习行为数据和所述当前学习掌握程度，获取所述待路径规划学生在各个所述知识点的掌握程度变化量；
按照所述掌握程度变化量的大小，对各个所述知识点进行排序，得到学习各个所述知识点的规划路径。
这样，本发明实施例所提供的学习路径规划方法，首先获取待路径规划学生的学习行为数据和当前学习掌握程度，获取所述待路径规划学生在各个所述知识点的掌握程度变化量；最后按照所述掌握程度变化量的大小，对各个所述知识点进行排序，得到学习各个所述知识点的规划路径。
可以看出，本发明实施例所提供的学习路径规划方法，在进行学习路径的规划时，基于待路径规划学生的学习行为数据和当前学习掌握程度，获取知识点集内的各个知识点的掌握程度变化量，进而根据掌握程度变化量，确定知识点的规划路径，利用了掌握程度变化量越大，则学习后提高越快的信息，从预估学习结果的角度，进行路径的规划，使得规划后的学习路径能够使待路径规划学生的学习以最有效的速度提高，也使得路径规划的学习结果更有效，而非仅仅基于当前的学习行为数据和当前学习掌握程度得出可以学习的知识点，并且可以在基于学习行为数据和当前学习掌握程度得到可以学习多个知识点的情况下，更合理地确定知识点的学习路径；同时，在进行路径规划时，通过对知识点集内的多个知识点的掌握程度变化量的比较进行确定，利用对比信息，从而可以提高规划结果的准确性。
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参考图1，图1是本发明实施例所提供的学习路径规划方法的一流程示意图。
如图中所示，本发明实施例所提供的学习路径规划方法包括以下步骤：
步骤S10：获取待路径规划学生的待路径规划的知识点集、所述待路径规划学生的学习行为数据和所述待路径规划学生的在所述知识点集的各个知识点的当前学习掌握程度。
为了进行学习路径的规划，首先获取进行路径规划所需的基本数据，具体可以包括，待路径规划的知识点集(其中包括了各个知识点)、待路径规划学生的学习行为数据以及待路径规划学生在各个知识点的当前学习掌握程度
可以理解的是，本文所述的待路径规划学生是指需要进行学习路径规划的学生；待路径规划的知识点集是指，需要进行路径规划的知识点的范围；学习行为数据是指表示待路径规划学生在当前次学习路径规划前，学习时的行为数据，比如：学习材料的偏好数据，是PPT材料、文本材料还是视频材料、学习时长数据等等，学习行为数据可以通过向量的方式表示。
在一种具体实施方式中，学习行为数据可以包括学习时长数据、作业完成度数据和课程完成度数据，即在当前次学习路径规划前的学习时长数据、作业完成度数据和课程完成度数据。
其中，学习时长数据可以为通过人工记录获取的学习时长，通过录入的方式经设备获取，也为通过设备系统直接获取的时长，比如：在设备上利用学习系统学习时长，或者在设备上，使用学习论坛发言的次数。具体使用时，可以将上述时长数值或者发言次数分别转化为学习行为数据向量的一个纬度。
为了提高学习时长数据的公平性，可以将整体学习时长与达到整体学习时长的时间建立关系，比如将平均每天的学习时长作为学习行为数据向量的一个纬度，将平均每天的发言次数作为学习行为数据向量的另一个纬度。
本文所述的作业完成度数据是指当前次学习路径规划前，每次给待路径规划学生留的作业的完成程度的平均值，当然比如：假设每次课程学习完之后，会给学生布置10道题，第一次学生A完成了7道，第二次学生A完成了8道，第三次A学生完成了3道，则学生的A的作业平均完成程度为：(0.7+0.8+0.3)/3＝0.6＝60％。具体地，可以获取两次路径规划时间间隔内的作业完成程度的平均值，当然，也可以将作业完成度数据作为学习行为数据向量的一个纬度。可以理解的是，作业完成度数据通过录入的方式经设备获取，也为通过设备系统直接获取。
可以理解的是，课程完成度数据即为当前次学习路径规划前，待路径规划学生的每次上课时的平均完成程度，如针对课程视频，待路径规划学生总共看的百分比，如全部看完则为100％，只看了一半，则为50％，可以获取两次路径规划时间间隔内的平均值，当然，也可以将课程完成度数据作为学习行为数据向量的一个纬度。可以理解的是，课程完成度数据通过录入的方式经设备获取，也为通过设备系统直接获取。
由于学习时长数据越大，可以表明待路径规划学生的学习主动性和努力程度越高，作业完成度数据和课程完成度数据越高，表明学生的学习习惯越好，上述数据均会影响待路径规划学生的在各个所述知识点的学习掌握程度变化量，因此，在进行学习路径规划时，将学习时长数据、作业完成度数据和课程完成度数据作为数据输入，可以提高所获取的学习掌握程度变化量准确性，进而提高学习路径规划的准确性。
具体地，可以通过向量，比如：dt u2＝(dt u21，dt u22，dt u23，dt u24，dt u25)来表示待路径规划学生的学习行为数据，其中，dt u21表示学习材料的偏好数据，可以设置，当dt u21＝1时，表示学生经常学习的材料是PPT；当dt u21＝2时，表示学生经常学习的材料是视频；当dt u21＝3时，表示学生经常学习的材料是文本；dt u22，表示学习时长数据的学习时长；dt u23，表示学习时长数据的发言次数；dt u24，表示作业完成度数据；dt u25，表示课程完成度数据。
而当所述学习路径规划为对所述待路径规划学生的所述知识点集的非首次规划时，由于已经对知识点集的各个知识点经过了至少一次的路径规划，已经存了至少一个规划路径，而待路径规划学生在学习时，可能基于学习路径规划的结果进行学习，也有可能没有严格按照学习路径规划的结果进行学习，并且待路径规划学生是否对知识点的学习顺序做了调整，可以反应待路径规划学生对知识点学习的偏好意愿，这也会对掌握程度变化量产生影响，为此，在另一种具体实施方式中，当所述学习路径规划为对所述待路径规划学生的所述知识点集的非首次规划时，为了提高路径规划结果的准确性，学习行为数据还可以包括待路径规划学生的自主调整学习路径数据。
可以理解的是，本文所述的非首次规划是指除了第一次规划以外的学习路径规划，根据规划的次数，可以为第二次、第三次……第N次路径规划；本文所述的自主调整学习路径数据是指在当前次学习路径规划前，待路径规划学生的最后一次自主调整学习路径的数据。
具体地，自主调整学习路径数据也可以为一个向量，表示为：bt u＝(bt u，1，bt u，2，...，bt u，k，...，bt u，K)，k表示知识点集中包含了k个知识点。其中，bt u，k表示待路径规划学生u本次学习路径规划之前是否将前一次学习路径规划的知识点路径进行调整，比如：将知识点k从路径中调前了，则bt u，k＝1，如果没有调整知识点k的位置，则bt u，k＝0；如果将知识点k的位置调后了，则bt u，k＝-1。
在非首次学习路径规划时，将待规划学生的自主调整学习路径数据作为学习路径规划的输入，充分考虑了待路径规划学生的学习偏好，从而可以提高所获得的掌握程度变化量的准确性，进而提高学习路径规划结果的准确性。
当然，除了获取待路径规划的知识点集以及待路径规划学生在各个知识点的学习行为数据，还需要获取待路径规划学生的在各个所述知识点的当前学习掌握程度，当前学习掌握程度具体也可以通过一个向量表示：dt u3＝(dt u3，1，dt u3，2，...，dt u3，k，...，dt u3，K)，其中，dt u3，k表示待路径规划学生u在第k个知识点上的掌握程度(取值范围为0到1，越大表示掌握程度越高)，K表示总的知识点个数。
可以理解的是，当前学习掌握程度即为在学习路径规划前，待路径规划学生在知识点集各个知识点的最新的掌握程度。
在一种具体实施方式中，当前学习掌握程度包括当前答题正确率，即待路径规划学生在各个知识点的答题正确率。比如：对于知识点K，学生总共做了10道题，对了8道，可认为学生在该知识点上的当前答题正确率为80％，即为0.8；而对于知识点A，学生总共做了10道题，对了6道，可认为学生在该知识点上的当前答题正确率为60％，即为0.6。
可见采用上述获取当前学习掌握程度的方法非常简单，降低了运算难度，缩短了运算时间。
在另一种具体实施方式中，为了使得到的当前学习掌握程度具有较高的准确性，当前学习掌握程度包括当前知识点能力值。可以理解的是，当前知识点能力值可以通过两个步骤获取：首先利用项目反应理论模型对学生所作的题目进行分析，输出初始当前知识点能力值，由于项目反应理论模型直接获取的初始当前知识点能力值的取值范围为负无穷到正无穷，然后可以采用sigmoid归一化方法对初始当前知识点能力值做映射，将其映射到0到1之间，得到当前知识点能力值。
步骤S11：至少根据所述学习行为数据和所述当前学习掌握程度，获取所述待路径规划学生在各个所述知识点的掌握程度变化量。
得到学习行为数据和当前学习掌握程度后，至少根据学习行为数据和所述当前学习掌握程度，进一步获取所述待路径规划学生在各个所述知识点的掌握程度变化量。
具体地，上述在各个所述知识点的掌握程度变化量可以通过向量的方式展现，向量的每一个纬度，表明与其对应的知识点的掌握程度变化，可以理解的是，如果掌握程度变化量为正值，则表示经过学习后，待路径规划学生在对应知识点上的掌握程度得到了提升；如果掌握程度变化量为负值，则表示经过学习后，待路径规划学生在对应知识点上的掌握程度下降了；如果掌握程度变化量为零，则表示经过学习后，待路径规划学生在对应知识点上的掌握程度没有变化。
在一种具体实施方式中，可以利用训练后的学习路径规划模型，至少根据所述学习行为数据和所述当前学习掌握程度，获取所述待路径规划学生在各个所述知识点的掌握程度变化量，其中，所述学习路径规划模型通过以下步骤获取，具体请参考图2，图2为图2为本发明实施例所提供的学习路径规划方法的训练后的学习路径规划模型的获取流程示意图。
步骤S20：获取学习路径规划模型、所述知识点集、训练用学生的学习行为数据、所述训练用学生在所述知识点集的各个知识点的前一次学习掌握程度和所述训练用学生在各个所述知识点的实际掌握程度变化量，所述实际掌握程度变化量为与所述前一次学习掌握程度相比的学习掌握程度的差值；
可以理解的是，此时所获取的学习路径规划模型可以包括初步建立的学习路径规划模型，还可以包括经过需进一步训练的已训练过的学习路径规划模型，比如：当经过训练的学习路径规划模型使用一段时间后，可以再利用新获取的数据进行进一步的训练；所述的知识点集与后续进行路径规划的知识点集相同；训练用学生的学习行为数据即用于训练的学习行为数据，可以来自于不同的学生，且用于训练的学习行为数据与所述待路径规划学生的学习行为数据的数据类型一致；实际掌握程度变化量即为相邻两次学习掌握程度的差值，并且相邻两次学习掌握程度中较早期的一次为所述的前一次学习掌握程度。
当然，也可以直接用待路径规划学生的真实的学习行为数据、前一次学习掌握程度和实际掌握程度变化量，以进一步提高训练后的学习路径规划模型对待路径规划学生进行路径规划的准确性。
步骤S21：利用所述学习路径规划模型，至少根据所述学习行为数据和所述前一次学习掌握程度，获取所述训练用学生在所述各个所述知识点的预测掌握程度变化量。
利用待训练的所述学习路径规划模块，根据所述学习行为数据和所述前一次学习掌握程度，获取所述训练用学生在所述各个所述知识点的预测掌握程度变化量。
步骤S22：根据所述实际掌握程度变化量和所述预测掌握程度变化量获取变化量损失。
比较预先获取的实际掌握程度变化量和经过步骤S22得到的预测掌握程度变化量，得到变化量损失。
步骤S23：判断所述变化量损失满足损失阈值，若是，执行步骤S25，若否，执行步骤S24。
步骤S24：利用所述变化量损失优化所述学习路径规划模型的参数，并转向执行步骤S21。
当然可以理解的是，此时再次执行步骤S21时，步骤S21中的学习路径规划模型为参数调整后的模型。
步骤S25：得到训练好的所述学习路径规划模型。
通过上述方法获取的训练好的所述学习路径规划模型，采用真实发生的数据对学习路径规划模型进行训练，使得学习路径规划模型在实际路径规划时所得到的掌握程度变化量更接近真实的掌握程度变化量，从而可以保证本发明实施例所提供的学习路径规划方法的准确性；并且，随着使用时间的增长，不断修正学习路径规划模型的参数，从而进一步提高本发明实施例所提供的学习路径规划方法的准确性，使得规划出的学习路径能够反映实际的学习情况和变化，使得规划出的学习路径更为准确、更为符合实际的学习情况。
步骤S12：按照所述掌握程度变化量的大小，对各个所述知识点进行排序，得到学习各个所述知识点的规划路径。
得到掌握程度变化量后，依据各个知识点所对应的掌握程度变化量的大小，对各个知识点进行排序，进而可以得到各个知识点的规划路径。
在一种具体实施方式中，按照所述掌握程度变化量的大小，按照从大到小的顺序对各个所述知识点进行排序，掌握程度变化量较大的知识点优先学习；当然，在其他实施例中，也可以按照从小到大的顺序对各个所述知识点进行排序，也将掌握程度变化量较大的知识点作为优先学习的知识点。
可以看出，本发明实施例所提供的学习路径规划方法，在进行学习路径的规划时，基于待路径规划学生的学习行为数据和当前学习掌握程度，获取知识点集内的各个知识点的掌握程度变化量，进而根据掌握程度变化量，确定知识点的规划路径，利用了掌握程度变化量越大，则学习后提高越快的信息，从预估学习结果的角度，进行路径的规划，使得规划后的学习路径能够使待路径规划学生的学习以最有效的速度提高，也使得路径规划的学习结果更有效，而非仅仅基于当前的学习行为数据和当前学习掌握程度得出可以学习的知识点，并且可以在基于学习行为数据和当前学习掌握程度得到可以学习多个知识点的情况下，更合理地确定知识点的学习路径；同时，在进行路径规划时，通过对知识点集内的多个知识点的掌握程度变化量的比较进行确定，利用对比信息，从而可以提高规划结果的准确性。
当然，在完成一次学习路径规划，并完成所述知识点集中一个知识点的学习后，由于待路径规划学生的学习行为数据和当前知识点掌握程度都会发生变化，再继续按照前述确定的学习路径学习不一定能够达到最优的学习效果，为此，本发明实施例所提供的学习路径规划方法还可以包括：当所述待路径规划学生完成所述知识点集中一个知识点的学习时，转向执行所述获取待路径规划学生的待路径规划的知识点集、所述待路径规划学生的学习行为数据和所述待路径规划学生的在所述知识点集的各个知识点的当前学习掌握程度的步骤，重新进行学习路径规划。
这样，本发明实施例所提供的学习路径规划方法，可以在待路径规划学生每学完一个知识点时，及时根据一个知识点学完后的新的学习数据，动态重新获取新的学习路径，使得在进行知识点集的各个知识点学习时，都能够达到最大的效果，进一步提高路径规划的及时性和准确性。
除了获取学生的学习行为数据，为了进一步提高路径规划的准确性，本发明实施例还提供另一种学习路径规划方法，还包括：获取待路径规划学生的基本信息数据。
这样，所述至少根据所述学习行为数据和所述当前学习掌握程度，获取所述待路径规划学生在各个所述知识点的掌握程度变化量的步骤包括：
根据所述基本信息数据、所述学习行为数据和所述当前学习掌握程度，获取所述待路径规划学生在各个所述知识点的掌握程度变化量。
关于待路径规划学生的基本信息数据，具体可以包括待路径规划学生的所在城市、年龄、民族和性别等信息，学生的基本信息能一定程度上反映出学生的学习能力和学习偏好，因此将上述信息纳入学习路径规划的输入数据，可以进一步提高所得到的掌握程度变化量的准确性，进而提高路径规划的准确性。
下面对本发明实施例提供的学习路径规划装置进行介绍，下文描述的学习路径规划装置可以认为是，电子设备(如：PC)为分别实现本发明实施例提供的学习路径规划方法所需设置的功能模块架构。下文描述的学习路径规划装置的内容，可分别与上文描述的学习路径规划方法的内容相互对应参照。
图3是本发明实施例所提供的学习路径规划装置的一框图，该学习路径规划装置即可应用于客户端，也可应用于服务器端，参考图3，该学习路径规划装置可以包括：
学习数据获取单元100，适于获取待路径规划学生的待路径规划的知识点集、所述待路径规划学生的学习行为数据和在所述知识点集的各个知识点的当前学习掌握程度；
掌握程度变化量获取单元110，适于至少根据所述学习行为数据和所述当前学习掌握程度，获取所述待路径规划学生在各个所述知识点的掌握程度变化量；
规划路径获取单元120，适于按照所述掌握程度变化量的大小，对各个所述知识点进行排序，得到学习各个所述知识点的规划路径。
为了进行学习路径的规划，首先通过学习数据获取单元100获取进行路径规划所需的基本数据，具体可以包括，待路径规划的知识点集(其中包括了各个知识点)、待路径规划学生的学习行为数据以及待路径规划学生在各个知识点的当前学习掌握程度
可以理解的是，本文所述的待路径规划学生是指需要进行学习路径规划的学生；待路径规划的知识点集是指，需要进行路径规划的知识点的范围；学习行为数据是指表示待路径规划学生在当前次学习路径规划前，学习时的行为数据，比如：学习材料的偏好数据，是PPT材料、文本材料还是视频材料、学习时长数据等等，学习行为数据可以通过向量的方式表示。
在一种具体实施方式中，学习行为数据可以包括学习时长数据、作业完成度数据和课程完成度数据，即在当前次学习路径规划前的学习时长数据、作业完成度数据和课程完成度数据。
其中，学习时长数据可以为通过人工记录获取的学习时长，通过录入的方式经设备获取，也为通过设备系统直接获取的时长，比如：在设备上利用学习系统学习时长，或者在设备上，使用学习论坛发言的次数。具体使用时，可以将上述时长数值或者发言次数分别转化为学习行为数据向量的一个纬度。
为了提高学习时长数据的公平性，可以将整体学习时长与达到整体学习时长的时间建立关系，比如将平均每天的学习时长作为学习行为数据向量的一个纬度，将平均每天的发言次数作为学习行为数据向量的另一个纬度。
本文所述的作业完成度数据是指当前次学习路径规划前，每次给待路径规划学生留的作业的完成程度的平均值，当然比如：假设每次课程学习完之后，会给学生布置10道题，第一次学生A完成了7道，第二次学生A完成了8道，第三次A学生完成了3道，则学生的A的作业平均完成程度为：(0.7+0.8+0.3)/3＝0.6＝60％。具体地，可以获取两次路径规划时间间隔内的作业完成程度的平均值，当然，也可以将作业完成度数据作为学习行为数据向量的一个纬度。可以理解的是，作业完成度数据通过录入的方式经设备获取，也为通过设备系统直接获取。
可以理解的是，课程完成度数据即为当前次学习路径规划前，待路径规划学生的每次上课时的平均完成程度，如针对课程视频，待路径规划学生总共看的百分比，如全部看完则为100％，只看了一半，则为50％，可以获取两次路径规划时间间隔内的平均值，当然，也可以将课程完成度数据作为学习行为数据向量的一个纬度。可以理解的是，课程完成度数据通过录入的方式经设备获取，也为通过设备系统直接获取。
由于学习时长数据越大，可以表明待路径规划学生的学习主动性和努力程度越高，作业完成度数据和课程完成度数据越高，表明学生的学习习惯越好，上述数据均会影响待路径规划学生的在各个所述知识点的学习掌握程度变化量，因此，在进行学习路径规划时，将学习时长数据、作业完成度数据和课程完成度数据作为数据输入，可以提高所获取的学习掌握程度变化量准确性，进而提高学习路径规划的准确性。
具体地，可以通过向量，比如：dt u2＝(dt u21，dt u22，dt u23，dt u24，dt u25)来表示待路径规划学生的学习行为数据，其中，dt u21表示学习材料的偏好数据，可以设置，当dt u21＝1时，表示学生经常学习的材料是PPT；当dt u21＝2时，表示学生经常学习的材料是视频；当dt u21＝3时，表示学生经常学习的材料是文本；dt u22，表示学习时长数据的学习时长；dt u23，表示学习时长数据的发言次数；dt u24，表示作业完成度数据；dt u25，表示课程完成度数据。
而当所述学习路径规划为对所述待路径规划学生的所述知识点集的非首次规划时，由于已经对知识点集的各个知识点经过了至少一次的路径规划，已经存了至少一个规划路径，而待路径规划学生在学习时，可能基于学习路径规划的结果进行学习，也有可能没有严格按照学习路径规划的结果进行学习，并且待路径规划学生是否对知识点的学习顺序做了调整，可以反应待路径规划学生对知识点学习的偏好意愿，这也会对掌握程度变化量产生影响，为此，在另一种具体实施方式中，当所述学习路径规划为对所述待路径规划学生的所述知识点集的非首次规划时，为了提高路径规划结果的准确性，学习行为数据还可以包括待路径规划学生的自主调整学习路径数据。
可以理解的是，本文所述的非首次规划是指除了第一次规划以外的学习路径规划，根据规划的次数，可以为第二次、第三次……第N次路径规划；本文所述的自主调整学习路径数据是指在当前次学习路径规划前，待路径规划学生的最后一次自主调整学习路径的数据。
具体地，自主调整学习路径数据也可以为一个向量，表示为：bt u＝(bt u，1，bt u，2，...，bt u，k，...，bt u，K)，k表示知识点集中包含了k个知识点。其中，bt u，k表示待路径规划学生u本次学习路径规划之前是否将前一次学习路径规划的知识点路径进行调整，比如：将知识点k从路径中调前了，则bt u，k＝1，如果没有调整知识点k的位置，则bt u，k＝0；如果将知识点k的位置调后了，则bt u，k＝-1。
在非首次学习路径规划时，将待规划学生的自主调整学习路径数据作为学习路径规划的输入，充分考虑了待路径规划学生的学习偏好，从而可以提高所获得的掌握程度变化量的准确性，进而提高学习路径规划结果的准确性。
当然，除了获取待路径规划的知识点集以及待路径规划学生在各个知识点的学习行为数据，还需要获取待路径规划学生的在各个所述知识点的当前学习掌握程度，当前学习掌握程度具体也可以通过一个向量表示：dt u3＝(dt u3，1，dt u3，2，...，dt u3，k，...，dt u3，K)，其中，dt u3，K表示待路径规划学生u在第k个知识点上的掌握程度(取值范围为0到1，越大表示掌握程度越高)，K表示总的知识点个数。
可以理解的是，当前学习掌握程度即为在学习路径规划前，待路径规划学生在知识点集各个知识点的最新的掌握程度。
在一种具体实施方式中，当前学习掌握程度包括当前答题正确率，即待路径规划学生在各个知识点的答题正确率。比如：对于知识点K，学生总共做了10道题，对了8道，可认为学生在该知识点上的当前答题正确率为80％，即为0.8；而对于知识点A，学生总共做了10道题，对了6道，可认为学生在该知识点上的当前答题正确率为60％，即为0.6。
可见采用上述获取当前学习掌握程度的方法非常简单，降低了运算难度，缩短了运算时间。
在另一种具体实施方式中，为了使得到的当前学习掌握程度具有较高的准确性，当前学习掌握程度包括当前知识点能力值。可以理解的是，当前知识点能力值可以通过两个步骤获取：首先利用项目反应理论模型对学生所作的题目进行分析，输出初始当前知识点能力值，由于项目反应理论模型直接获取的初始当前知识点能力值的取值范围为负无穷到正无穷，然后可以采用sigmoid归一化方法对初始当前知识点能力值做映射，将其映射到0到1之间，得到当前知识点能力值。
得到学习行为数据和当前学习掌握程度后，掌握程度变化量获取单元110至少根据学习行为数据和所述当前学习掌握程度，进一步获取所述待路径规划学生在各个所述知识点的掌握程度变化量。
具体地，上述在各个所述知识点的掌握程度变化量可以通过向量的方式展现，向量的每一个纬度，表明与其对应的知识点的掌握程度变化，可以理解的是，如果掌握程度变化量为正值，则表示经过学习后，待路径规划学生在对应知识点上的掌握程度得到了提升；如果掌握程度变化量为负值，则表示经过学习后，待路径规划学生在对应知识点上的掌握程度下降了；如果掌握程度变化量为零，则表示经过学习后，待路径规划学生在对应知识点上的掌握程度没有变化。
在一种具体实施方式中，可以利用训练后的学习路径规划模型，至少根据所述学习行为数据和所述当前学习掌握程度，获取所述待路径规划学生在各个所述知识点的掌握程度变化量，其中，所述学习路径规划模型通过以下步骤获取：
首先，获取学习路径规划模型、所述知识点集、训练用学生的学习行为数据、所述训练用学生在所述知识点集的各个知识点的前一次学习掌握程度和所述训练用学生在各个所述知识点的实际掌握程度变化量，所述实际掌握程度变化量为与所述前一次学习掌握程度相比的学习掌握程度的差值；
可以理解的是，此时所获取的学习路径规划模型可以包括初步建立的学习路径规划模型，还可以包括经过需进一步训练的已训练过的学习路径规划模型，比如：当经过训练的学习路径规划模型使用一段时间后，可以再利用新获取的数据进行进一步的训练；所述的知识点集与后续进行路径规划的知识点集相同；训练用学生的学习行为数据即用于训练的学习行为数据，可以来自于不同的学生，且用于训练的学习行为数据与所述待路径规划学生的学习行为数据的数据类型一致；实际掌握程度变化量即为相邻两次学习掌握程度的差值，并且相邻两次学习掌握程度中较早期的一次为所述的前一次学习掌握程度。
当然，也可以直接用待路径规划学生的真实的学习行为数据、前一次学习掌握程度和实际掌握程度变化量，以进一步提高训练后的学习路径规划模型对待路径规划学生进行路径规划的准确性。
然后，利用所述学习路径规划模型，至少根据所述学习行为数据和所述前一次学习掌握程度，获取所述训练用学生在所述各个所述知识点的预测掌握程度变化量。
利用待训练的所述学习路径规划模块，根据所述学习行为数据和所述前一次学习掌握程度，获取所述训练用学生在所述各个所述知识点的预测掌握程度变化量。
再根据所述实际掌握程度变化量和所述预测掌握程度变化量获取变化量损失，并判断所述变化量损失满足损失阈值，若否，则利用所述变化量损失优化所述学习路径规划模型的参数，若是，则得到训练好的所述学习路径规划模型。
通过上述步骤获取的训练好的所述学习路径规划模型，采用真实发生的数据对学习路径规划模型进行训练，使得学习路径规划模型在实际路径规划时所得到的掌握程度变化量更接近真实的掌握程度变化量，从而可以保证本发明实施例所提供的学习路径规划方法的准确性；并且，随着使用时间的增长，不断修正学习路径规划模型的参数，从而进一步提高本发明实施例所提供的学习路径规划方法的准确性，使得规划出的学习路径能够反映实际的学习情况和变化，使得规划出的学习路径更为准确、更为符合实际的学习情况。
得到掌握程度变化量后，依据各个知识点所对应的掌握程度变化量的大小，对各个知识点进行排序，进而可以得到各个知识点的规划路径。
在一种具体实施方式中，按照所述掌握程度变化量的大小，按照从大到小的顺序对各个所述知识点进行排序，掌握程度变化量较大的知识点优先学习；当然，在其他实施例中，也可以按照从小到大的顺序对各个所述知识点进行排序，也将掌握程度变化量较大的知识点作为优先学习的知识点。
可以看出，本发明实施例所提供的学习路径规划装置，在进行学习路径的规划时，基于待路径规划学生的学习行为数据和当前学习掌握程度，获取知识点集内的各个知识点的掌握程度变化量，进而根据掌握程度变化量，确定知识点的规划路径，利用了掌握程度变化量越大，则学习后提高越快的信息，从预估学习结果的角度，进行路径的规划，使得规划后的学习路径能够使待路径规划学生的学习以最有效的速度提高，也使得路径规划的学习结果更有效，而非仅仅基于当前的学习行为数据和当前学习掌握程度得出可以学习的知识点，并且可以在基于学习行为数据和当前学习掌握程度得到可以学习多个知识点的情况下，更合理地确定知识点的学习路径；同时，在进行路径规划时，通过对知识点集内的多个知识点的掌握程度变化量的比较进行确定，利用对比信息，从而可以提高规划结果的准确性。
当然，本发明实施例所提供的学习路径规划装置在完成一次学习路径规划，并完成所述知识点集中一个知识点的学习后，由于待路径规划学生的学习行为数据和当前知识点掌握程度都会发生变化，再继续按照前述确定的学习路径学习不一定能够达到最优的学习效果，为此，本发明实施例所提供的学习路径规划方法还可以包括：当所述待路径规划学生完成所述知识点集中一个知识点的学习时，转向执行所述获取待路径规划学生的待路径规划的知识点集、所述待路径规划学生的学习行为数据和所述待路径规划学生的在所述知识点集的各个知识点的当前学习掌握程度的步骤，重新进行学习路径规划。
这样，本发明实施例所提供的学习路径规划装置，可以在待路径规划学生每学完一个知识点时，及时根据一个知识点学完后的新的学习数据，动态重新获取新的学习路径，使得在进行知识点集的各个知识点学习时，都能够达到最大的效果，进一步提高路径规划的及时性和准确性。
除了获取学生的学习行为数据，为了进一步提高路径规划的准确性，本发明实施例还提供另一种学习路径规划装置，还包括：基本信息数据获取单元，适于获取待路径规划学生的基本信息数据。
这样，所述掌握程度变化量获取单元110，适于至少根据所述学习行为数据和所述当前学习掌握程度，获取所述待路径规划学生在各个所述知识点的掌握程度变化量包括：
根据所述基本信息数据、所述学习行为数据和所述当前学习掌握程度，获取所述待路径规划学生在各个所述知识点的掌握程度变化量。
关于待路径规划学生的基本信息数据，具体可以包括待路径规划学生的所在城市、年龄、民族和性别等信息，学生的基本信息能一定程度上反映出学生的学习能力和学习偏好，因此将上述信息纳入学习路径规划的输入数据，可以进一步提高所得到的掌握程度变化量的准确性，进而提高路径规划的准确性。
当然，本发明实施例还提供一种设备，本发明实施例提供的设备可以通过程序形式装载上述所述的程序模块架构，以实现本发明实施例提供的学习路径规划方法；该硬件设备可以应用于具体数据处理能力的电子设备，该电子设备可以为：例如终端设备或者服务器设备。
可选的，图4示出了本发明实施例提供的一种可选硬件设备架构，可以包括：至少一个存储器3和至少一个处理器1；所述存储器存储有程序，所述处理器调用所述程序，以执行前述的学习路径规划方法，另外，至少一个通信接口2和至少一个通信总线4；处理器1和存储器3可以位于同一电子设备，例如处理器1和存储器3可以位于服务器设备或者终端设备；处理器1和存储器3也可以位于不同的电子设备。
作为本发明实施例公开内容的一种可选实现，存储器3可以存储程序，处理器1可调用所述程序，以执行本发明上述实施例提供的学习路径规划方法。
本发明实施例中，电子设备可以是能够进行情感识别的平板电脑、笔记本电脑等设备。
在本发明实施例中，处理器1、通信接口2、存储器3、通信总线4的数量为至少一个，且处理器1、通信接口2、存储器3通过通信总线4完成相互间的通信；显然，图4所示的处理器1、通信接口2、存储器3和通信总线4的通信连接示意仅是可选的一种方式；
可选的，通信接口2可以为通信模块的接口，如GSM模块的接口；
处理器1可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。
存储器3可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。
需要说明的是，上述的设备还可以包括与本发明实施例公开内容可能并不是必需的其他器件(未示出)；鉴于这些其他器件对于理解本发明实施例公开内容可能并不是必需，本发明实施例对此不进行逐一介绍。
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，当该指令被处理器执行时可以实现如上所述学习路径规划方法。
本发明实施例所提供的存储介质所存储的计算机可执行指令，在进行学习路径的规划时，基于待路径规划学生的学习行为数据和当前学习掌握程度，获取知识点集内的各个知识点的掌握程度变化量，进而根据掌握程度变化量，确定知识点的规划路径，利用了掌握程度变化量越大，则学习后提高越快的信息，从预估学习结果的角度，进行路径的规划，使得规划后的学习路径能够使待路径规划学生的学习以最有效的速度提高，也使得路径规划的学习结果更有效，而非仅仅基于当前的学习行为数据和当前学习掌握程度得出可以学习的知识点，并且可以在基于学习行为数据和当前学习掌握程度得到可以学习多个知识点的情况下，更合理地确定知识点的学习路径；同时，在进行路径规划时，通过对知识点集内的多个知识点的掌握程度变化量的比较进行确定，利用对比信息，从而可以提高规划结果的准确性。
上述本发明的实施方式是本发明的元件和特征的组合。除非另外提及，否则所述元件或特征可被视为选择性的。各个元件或特征可在不与其它元件或特征组合的情况下实践。另外，本发明的实施方式可通过组合部分元件和/或特征来构造。本发明的实施方式中所描述的操作顺序可重新排列。任一实施方式的一些构造可被包括在另一实施方式中，并且可用另一实施方式的对应构造代替。对于本领域技术人员而言明显的是，所附权利要求中彼此没有明确引用关系的权利要求可组合成本发明的实施方式，或者可在提交本申请之后的修改中作为新的权利要求包括。
本发明的实施方式可通过例如硬件、固件、软件或其组合的各种手段来实现。在硬件配置方式中，根据本发明示例性实施方式的方法可通过一个或更多个专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理器件(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、处理器、控制器、微控制器、微处理器等来实现。
在固件或软件配置方式中，本发明的实施方式可以模块、过程、功能等形式实现。软件代码可存储在存储器单元中并由处理器执行。存储器单元位于处理器的内部或外部，并可经由各种己知手段向处理器发送数据以及从处理器接收数据。
对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是符合与本文所公开的原理和新颖特点相一致的最宽的范围。
虽然本发明实施例披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种变动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。

Claims (11)

1.一种学习路径规划方法，其特征在于，包括：
获取待路径规划学生的待路径规划的知识点集、所述待路径规划学生的学习行为数据和所述待路径规划学生的在所述知识点集的各个知识点的当前学习掌握程度，所述学习行为数据是当前次学习路径规划前，学习时的行为数据，包括学习时长数据、作业完成度数据和课程完成度数据，所述学习时长数据包括学习系统学习时长；
至少根据所述学习行为数据和所述当前学习掌握程度，利用训练后的学习路径规划模型，获取所述待路径规划学生在各个所述知识点的预测掌握程度变化量；
按照所述预测掌握程度变化量的大小，对各个所述知识点进行排序，得到学习各个所述知识点的规划路径。
2.如权利要求1所述的学习路径规划方法，其特征在于，所述得到学习各个所述知识点的规划路径的步骤之后还包括：
当所述待路径规划学生完成所述知识点集中一个知识点的学习时，转向执行所述获取待路径规划学生的待路径规划的知识点集、所述待路径规划学生的学习行为数据和所述待路径规划学生的在所述知识点集的各个知识点的当前学习掌握程度的步骤。
3.如权利要求2所述的学习路径规划方法，其特征在于，当所述学习路径规划为对所述待路径规划学生的所述知识点集的非首次规划时，所述学习行为数据包括待路径规划学生的自主调整学习路径数据。
4.如权利要求2所述的学习路径规划方法，其特征在于，所述当前学习掌握程度包括当前答题正确率。
5.如权利要求2所述的学习路径规划方法，其特征在于，所述当前学习掌握程度包括当前知识点能力值。
6.如权利要求2所述的学习路径规划方法，其特征在于，还包括获取所述待路径规划学生的基本信息数据，所述至少根据所述学习行为数据和所述当前学习掌握程度，利用训练后的学习路径规划模型，获取所述待路径规划学生在各个所述知识点的预测掌握程度变化量的步骤包括：
根据所述基本信息数据、所述学习行为数据和所述当前学习掌握程度，利用训练后的学习路径规划模型，获取所述待路径规划学生在各个所述知识点的预测掌握程度变化量。
7.如权利要求1-6任一项所述的学习路径规划方法，其特征在于，所述训练后的学习路径规划模型通过以下步骤获取：
获取学习路径规划模型、所述知识点集、训练用学生的学习行为数据、所述训练用学生在所述知识点集的各个知识点的前一次学习掌握程度和所述训练用学生在各个所述知识点的实际掌握程度变化量，所述实际掌握程度变化量为与所述前一次学习掌握程度相比的学习掌握程度的差值；
利用所述学习路径规划模型，至少根据所述学习行为数据和所述前一次学习掌握程度，获取所述训练用学生在所述各个所述知识点的预测掌握程度变化量，根据所述实际掌握程度变化量和所述预测掌握程度变化量获取变化量损失，利用所述变化量损失优化所述学习路径规划模型的参数，直至所述变化量损失满足损失阈值，得到训练后的所述学习路径规划模型。
8.如权利要求7所述的学习路径规划方法，其特征在于，所述按照所述预测掌握程度变化量的大小，对各个所述知识点进行排序的步骤包括：
按照所述预测掌握程度变化量的大小，按照从大到小的顺序对各个所述知识点进行排序。
9.一种学习路径规划装置，其特征在于，包括：
学习数据获取单元，适于获取待路径规划学生的待路径规划的知识点集、所述待路径规划学生的学习行为数据和在所述知识点集的各个知识点的当前学习掌握程度，所述学习行为数据是当前此学习路径规划前，学习时的行为数据，包括学习时长数据、作业完成度数据和课程完成度数据，所述学习时长数据包括学习系统学习时长；
预测掌握程度变化量获取单元，适于至少根据所述学习行为数据和所述当前学习掌握程度，利用训练后的学习路径规划模型，获取所述待路径规划学生在各个所述知识点的预测掌握程度变化量；
规划路径获取单元，适于按照所述预测掌握程度变化量的大小，对各个所述知识点进行排序，得到学习各个所述知识点的规划路径。
10.一种存储介质，其特征在于，所述存储介质存储有适于学习路径规划的程序，以实现如权利要求1-8任一项所述的学习路径规划方法。
11.一种电子设备，其特征在于，包括至少一个存储器和至少一个处理器；所述存储器存储有程序，所述处理器调用所述程序，以执行如权利要求1-8任一项所述的学习路径规划方法。
CN201911149948.2A 2019-11-21 2019-11-21 学习路径规划方法、装置、设备及存储介质 Active CN112825071B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911149948.2A CN112825071B (zh) 2019-11-21 2019-11-21 学习路径规划方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911149948.2A CN112825071B (zh) 2019-11-21 2019-11-21 学习路径规划方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN112825071A CN112825071A (zh) 2021-05-21
CN112825071B true CN112825071B (zh) 2022-08-30

Family

ID=75907657

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911149948.2A Active CN112825071B (zh) 2019-11-21 2019-11-21 学习路径规划方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112825071B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113963578A (zh) * 2021-10-27 2022-01-21 北京科东电力控制系统有限责任公司 一种面向知识服务与技能演练的自适应培训系统及培训方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107665473A (zh) * 2016-07-27 2018-02-06 科大讯飞股份有限公司 学习路径规划方法和装置
CN107665472A (zh) * 2016-07-27 2018-02-06 科大讯飞股份有限公司 学习路径规划方法和装置
CN108806341A (zh) * 2018-03-29 2018-11-13 上海乂学教育科技有限公司 一种最优个性化学习路径规划方法
CN109949190A (zh) * 2019-03-22 2019-06-28 上海乂学教育科技有限公司 基于学习效率的自适应学习方法及计算机系统
CN109978739A (zh) * 2019-03-22 2019-07-05 上海乂学教育科技有限公司 基于知识点掌握程度的自适应学习方法及计算机系统
CN110263181A (zh) * 2019-06-17 2019-09-20 北京作业盒子科技有限公司 知识结构的挖掘方法及学习路径的规划方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160140678A1 (en) * 2014-11-14 2016-05-19 Edunav, Inc. System and method for optimizing an educational study path

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107665473A (zh) * 2016-07-27 2018-02-06 科大讯飞股份有限公司 学习路径规划方法和装置
CN107665472A (zh) * 2016-07-27 2018-02-06 科大讯飞股份有限公司 学习路径规划方法和装置
CN108806341A (zh) * 2018-03-29 2018-11-13 上海乂学教育科技有限公司 一种最优个性化学习路径规划方法
CN109949190A (zh) * 2019-03-22 2019-06-28 上海乂学教育科技有限公司 基于学习效率的自适应学习方法及计算机系统
CN109978739A (zh) * 2019-03-22 2019-07-05 上海乂学教育科技有限公司 基于知识点掌握程度的自适应学习方法及计算机系统
CN110263181A (zh) * 2019-06-17 2019-09-20 北京作业盒子科技有限公司 知识结构的挖掘方法及学习路径的规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
面向对象的学习分析模型的构建;刘静;《中国优秀博硕士学位论文全文数据库(硕士) 社会科学Ⅱ辑》;20180415(第04期);全文 *

Also Published As

Publication number Publication date
CN112825071A (zh) 2021-05-21

Similar Documents

Publication Publication Date Title
CN109582793B (zh) 模型训练方法、客服系统及数据标注系统、可读存储介质
CN109471915B (zh) 一种文本评价方法、装置、设备以及可读存储介质
US20190340236A1 (en) Processing sequential data using recurrent neural networks
CN110096617B (zh) 视频分类方法、装置、电子设备及计算机可读存储介质
CN110597965B (zh) 文章的情感极性分析方法、装置、电子设备及存储介质
CN113094481A (zh) 意图识别方法、装置、电子设备及计算机可读存储介质
CN110263328B (zh) 一种学科能力类型标注方法、装置、存储介质及终端设备
CN116521841A (zh) 用于生成回复信息的方法、装置、设备及介质
CN112825071B (zh) 学习路径规划方法、装置、设备及存储介质
CN110223553B (zh) 一种答题信息的预测方法及系统
CN110209768B (zh) 自动问答的问题处理方法和装置
CN110472227B (zh) 一种词汇掌握程度评估方法、装置、终端设备及存储介质
CN109885727A (zh) 资料推送方法、装置、电子设备及系统
CN112100509B (zh) 信息推荐方法、装置、服务器和存储介质
CN111930901B (zh) 知识点向量获取、推荐题目确定方法及相关装置
CN110933504B (zh) 视频推荐方法、装置、服务器和存储介质
CN112927017A (zh) 外呼营销流程的控制方法、装置及系统
CN111950852A (zh) 一种用户行为分析与指导方法、装置、电子设备和可读存储装置
US20240221525A1 (en) Content output method and apparatus, computer-readable medium, and electronic device
CN118312598A (zh) 文本生成方法、文本生成模型的训练方法及装置
CN110895924B (zh) 一种文档内容朗读方法、装置、电子设备及可读存储介质
CN112818084B (zh) 信息交互方法、相关装置、设备及计算机可读介质
CN114676295A (zh) 基于ai的个性化教学方法、装置、设备及可读存储介质
CN114841157A (zh) 基于数据分析的线上互动方法、系统、设备及存储介质
US11501654B2 (en) Automated decision making for selecting scaffolds after a partially correct answer in conversational intelligent tutor systems (ITS)

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant